Introduction to Python for Data Science

2022/2023

Academic Year

RUS

Instruction in Russian

3

ECTS credits

Delivered at:

Big Data and Information Retrieval School

Course type:

Compulsory course

When:

2 year, 3, 4 module

Instructor

Perevyshina, Tatiana

Программа дисциплины

Аннотация

На сегодняшний день Python является стандартом индустрии для анализа данных. По окончании этого курса, студенты получат в свое распоряжение набор аналитических инструментов, которые им пригодятся как в академии, так и при работе в частном или государственном секторе. Целью этого курса является развитие навыков программирования и создание крепкой практической базы для анализа и презентации данных. С использованием онлайн-курса "Python для извлечения и обработки данных" (URL: https://www.coursera.org/learn/python-kak-inostrannyj).

Цель освоения дисциплины

• Развитие и закрепление навыков программирования на языке Python.
• Формирование и развитие навыков работы со специализированными библиотеками для обработки, визуализации и анализа данных (pandas, numpy, plotly, matplotlib, seaborn).
• Развитие навыков работы с данными: обработка, визуализация, разведывательный анализ.
• Знакомство с задачами линейной и логистической регрессии
• Развитие навыков постановки исследовательской задачи и тестирования гипотез с помощью количественных методов

Планируемые результаты обучения

• Выбирает корректные графики для визуализации данных
• Выбирает правильный тип визуализации для решения конкретной задачи
• Загружает данные в pandas и работает с ними (фильтрация, агрегация, заполнение пропущенных значений)
• Настраивает внешний вид графиков в библиотеках Python для визуализации
• Определяет тип задачи регрессии, умеет составлять уравнение регрессии
• Подсчитывает описательные статистики, оценивает распределения, интерпретирует корреляции
• Проводит разведывательный анализ данных
• Проводит разведывательный анализ данных с помощью визуализаций
• Разбирается в выборе линейной модели для обучения, используя библиотеки Python
• Уверенно пользуется языком Python для решения аналитических задач
• Умеет подсчитывать и интерпретировать метрики качества для задачи регрессии

Содержание учебной дисциплины

• Основы программирования в Python
• Введение в анализ данных на Python
• Визуализация данных
• Линейная/логистическая регрессия

Элементы контроля

• СР
• Активность
• ДЗ1
• ДЗ2

Промежуточная аттестация

• 2022/2023 учебный год 4 модуль
  0.25 * ДЗ1 + 0.2 * Активность + 0.3 * СР + 0.25 * ДЗ2

Список литературы

Рекомендуемая основная литература

• Muller, A. C., & Guido, S. (2017). Introduction to machine learning with Python: a guide for data scientists. O’Reilly Media. (HSE access: http://ebookcentral.proquest.com/lib/hselibrary-ebooks/detail.action?docID=4698164)

Рекомендуемая дополнительная литература

• Mirkin, B. Core concepts in data analysis: summarization, correlation and visualization. – Springer Science & Business Media, 2011. – 388 pp.
• Miroslav Kubat. An Introduction to Machine Learning. Springer, 2015 (296 pages) ISBN: 9783319200095: — Текст электронны // ЭБС books24x7 — https://library.books24x7.com/toc.aspx?bookid=117295
• Мастицкий, С. Э. Визуализация данных с помощью ggplot2 / С. Э. Мастицкий. — Москва : ДМК Пресс, 2017. — 222 с. — ISBN 978-5-97060-470-0. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/107895 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.
• Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2019. — 343 с. — (Среднее профессиональное образование). - Режим доступа: http://znanium.com/catalog/product/970143
• Северенс, Ч. Введение в программирование на Python : учебное пособие / Ч. Северенс. — 2-е изд. — Москва : ИНТУИТ, 2016. — 231 с. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/100703 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.